近日,威斯康辛大学麦迪逊分校助理教授 Sebastian Raschka 在推特上宣布了威斯康辛大学《机器学习导论》2020 秋季课程的完结:「教授两个班级和 230 个学生是相当不错的体验,对于那些感兴趣的人,我整理了一页记录以供参考。」

课程笔记主页:https://sebastianraschka.com/resources/ml-lectures-1.html(持续更新中)

Sebastian Raschka 是威斯康星大学麦迪逊分校的统计学助理教授,致力于机器学习和深度学习研究。他最近的一些研究方法已应用于生物识别领域,解决面部图像隐私问题,其他的研究重点包括开发与机器学习中的模型评估、对抗攻击和 AutoML 有关方法和应用程序。他也是《Python 机器学习》一书的作者,曾被科技博客 Analytics Vidhya 评为 GitHub 上具影响力的数据科学家之一。

对想要学习这门课程的学生,Sebastian Raschka 教授的建议是:你至少要熟悉基本编程知识并完成了编程入门课程。

目录内容: Part I: Introduction

  • L01: What is Machine Learning
  • L02: Nearest Neighbor Methods Part II: Computational Foundations
  • L03: (Optional) Python Programming
  • L04: Scientific Computing in Python
  • L05: Machine Learning with Scikit-Learn Part III: Tree-Based Methods
  • L06: Decision Trees
  • L07: Ensemble Methods Part IV: Evaluation
  • L08: Model Evaluation Part 1 – Basics: Underfitting & Overfitting
  • L09: Model Evaluation Part 2 – Resampling Methods
  • L10: Model Evaluation Part 3 – Cross Valdiation
  • L11: Model Evaluation Part 4 – Statistical Tests and Algorithm Selection
  • L12: Model Evaluation Part 5 – Evaluation Metrics
成为VIP会员查看完整内容
15

相关内容

专知会员服务
53+阅读 · 2020年10月11日
【CMU】机器学习导论课程(Introduction to Machine Learning)
专知会员服务
59+阅读 · 2019年8月26日
中文课程!台大李宏毅机器学习公开课2019版上线
全球人工智能
14+阅读 · 2019年3月18日
最全数据科学学习资源:Python、线性代数、机器学习...
人工智能头条
11+阅读 · 2018年5月14日
资源|斯坦福课程:深度学习理论!
全球人工智能
17+阅读 · 2017年11月9日
课程 | 12个适合机器学习入门的经典案例
Regularized ERM on random subspaces
Arxiv
0+阅读 · 2021年2月25日
Arxiv
0+阅读 · 2021年2月24日
Arxiv
14+阅读 · 2020年12月17日
VIP会员
微信扫码咨询专知VIP会员